基于多次重复实验设计的回归模型大家好，
我收到了一个实验的数据集，该实验中，一个产品从一定高度落下，然后测试其性能，最终得出通过/失败的响应。
该装置有 6 种不同的配置，每种配置有 16 个样本。所有 96 个样本均按随机顺序进行跌落测试。
对每种配置进行多次重复的主要原因是，已知基础配置的故障率约为 1/10，我们希望能够确定所有配置中发生故障的设备，以便进行比较。如果我们对每种配置仅进行 3 次重复，我们可能看不到或很少看到故障，并且可能什么也没学到。
我的问题是，我该如何最好地模拟这一点？
- 如果我使用全部 96 个通过/失败结果作为逻辑模型中的名义响应，则模型效应值在 16 个组中是相同的，因为所有配置 A 行都具有相同的模型效应值，所有配置 B 行都具有相同的模型效应值，等等。（当然，每个组内的响应各不相同：一些通过，一些失败。）这可以接受吗？我以前从未尝试过这样的模型，其中输入变量在组中是如此同质。
- 如果我为 6 种配置中的每一种计算失败百分比（失败次数除以 16），并将其用作标准最小二乘模型中的连续响应，我会得到一个非常差的模型，因为样本量太小（6）。而且我不确定该设置是否真的代表了实验的结果（96 次独立运行）。
希望有人可以帮忙！
亲切的问候，
莫滕
质量与工艺工程Re: 基于 DOE 的回归模型，多次重复我首先要说的是，在选择模型或分析之前进行实验是不明智的。 数据可能不支持您想知道的内容。 分析和模型首先出现，而不是最后。
有多种类型的二元响应分析可能会让您满意。 您可以使用逻辑回归模型、具有 logit 链接函数的二项式广义线性模型或 Probit 分析。 所有这些分析都将使用相同的线性预测器。
